偏度最大化多通道逆濾波語聲去混響研究?

郭 穎 彭任華 鄭成詩? 李曉東

(1中國科學(xué)院噪聲與振動重點實驗室(聲學(xué)研究所) 北京 100190)

(2中國科學(xué)院大學(xué) 北京 100049)

0 引言

在一個封閉空間中，傳聲器拾取的語聲信號既包括直達聲，也包括通過墻壁和天花板等反射的混響聲。房間混響會引起譜染色，影響語聲質(zhì)量，降低語聲可懂度，進而嚴(yán)重降低語聲識別、語聲分離等應(yīng)用的性能。隨著說話人與傳聲器距離的增加以及房間混響時間的增加，混響所帶來的影響也會越嚴(yán)重。

去混響方法通常可以分為以下幾類：(1)波束形成[1]，該方法是一種空間濾波技術(shù)，廣泛應(yīng)用于雷達、聲吶、遠(yuǎn)程通訊、聲學(xué)、圖像處理等多種領(lǐng)域[2]。在聲學(xué)信號處理中，用于噪聲環(huán)境下的聲源提取以及混響抑制。該方法往往需要信號的波達方向(Directions of arrival,DOAs)作為先驗信息，而且為了達到比較理想的去混響效果，需要相對較多的傳聲器個數(shù)以及較大的傳聲器陣列孔徑，從而使直達方向的增益足夠大。(2)譜增強[3?4]，Lebart等[5]提出利用譜減法實現(xiàn)無噪聲情況下的語聲去混響。通常用于晚期混響抑制，該類方法需要根據(jù)房間的混響時間來估計混響的能量。Fang等[6]用基于相干函數(shù)的方法實現(xiàn)去混響。(3)線性預(yù)測(Linear prediction,LP)殘差增強，Peng等[7]的工作說明了晚期混響在LP殘差域相對較白。文獻[8]采用約束最小均方誤差LP殘差估計方法去除晚期混響和噪聲，相比于傳統(tǒng)的LP殘差域處理方法和譜減法性能有很大的提升。文獻[9]利用多級線性預(yù)測實現(xiàn)晚期混響抑制。(4)逆濾波，該類方法直接估計引起房間混響的房間脈沖響應(yīng)(Room impulse response,RIR)，通過對觀測信號進行解卷積得到原始信號。在實際應(yīng)用場景中，房間脈沖響應(yīng)通常是未知的，而且會隨著聲源移動或房間狀態(tài)(如溫度和濕度等)的改變而變化。因此，本文研究盲反卷積的方法。基于隨機變量非高斯性極大的準(zhǔn)則，混響信號可以假設(shè)為獨立同分布(i.i.d)的語聲信號進行延遲、加權(quán)的結(jié)果，依據(jù)中心極限定理[10]，混響信號可以近似為高斯分布。高階統(tǒng)計量是衡量非高斯性的重要參量，語聲信號是典型的非高斯信號，因此采用高階統(tǒng)計量可實現(xiàn)語聲分離和去混響。

文獻[11]提出一種最大化線性預(yù)測殘差四階統(tǒng)計量峰度(Kurtosis)的去混響方法，證明了該方法比傳統(tǒng)的波束形成方法具有更有效的去混響效果。文獻[12]在此基礎(chǔ)上提出單通道頻域?qū)崿F(xiàn)，通過實驗說明該方法在0.2～0.4 s的混響時間范圍內(nèi)有效，而在混響較強的環(huán)境下該方法失效。應(yīng)用峰度準(zhǔn)則的方法去混響性能有限，文獻[13]采用三階統(tǒng)計量偏度(Skewness)對具有不對稱概率密度分布的信號進行盲反卷積，文獻[14]提出最大化線性預(yù)測殘差偏度的單通道逆濾波方法，通過實驗說明了足夠長的純凈語聲信號概率密度分布呈現(xiàn)出明顯的不對稱特性，該方法相比于峰度準(zhǔn)則在較強混響下性能更優(yōu)，而且魯棒性更強。直接對混響語聲信號進行線性預(yù)測得到的線性預(yù)測系數(shù)存在一定的偏差，影響房間脈沖響應(yīng)逆濾波的準(zhǔn)確度，文獻[15]從語聲信號的產(chǎn)生模型出發(fā)，將混響語聲信號的盲逆濾波分解為預(yù)測誤差濾波器(Prediction error fi lter,PEF)的估計和房間脈沖響應(yīng)逆濾波器的估計兩部分。

本文提出一種基于高階統(tǒng)計量的多通道語聲去混響方法，該方法首次用多通道語聲信號線性預(yù)測殘差的偏度構(gòu)造代價函數(shù)，以語聲去混響重建信號線性預(yù)測殘差的偏度最大化為目標(biāo)，自適應(yīng)地更新通道逆濾波器。同時為了得到更準(zhǔn)確的通道逆濾波器估計，提出聯(lián)合估計通道逆濾波器和語聲產(chǎn)生系統(tǒng)逆濾波器的新方法。該方法相比于已有的線性預(yù)測殘差域峰度最大化的多通道去混響方法，計算量更低，而且具有更好的去混響效果，特別是在混響時間較長的環(huán)境下性能更為突出，同時對噪聲的魯棒性更強。

1 偏度最大化多通道房間脈沖響應(yīng)逆濾波

1.1 算法理論模型

混響語聲模型可以表示為

其中，傳聲器個數(shù)為M(M>2)，xm(n)為第m個傳聲器拾取的混響語聲信號，s(n)為目標(biāo)語聲信號，{hm(l)}表示聲源到第m個傳聲器的L+1階時不變的房間脈沖響應(yīng)。

語聲信號從產(chǎn)生、經(jīng)過房間反射到被傳聲器拾取所經(jīng)過的聲學(xué)系統(tǒng)可認(rèn)為是語聲產(chǎn)生系統(tǒng)和房間聲學(xué)系統(tǒng)的串聯(lián)系統(tǒng)。其中語聲信號的產(chǎn)生過程可建模成一個時變的自回歸(Autoregressive,AR)過程[16]，考慮語聲信號的短時平穩(wěn)特性，第i幀的聲源信號可以表示為

其中，{bi(p)}為P階預(yù)測系數(shù)，語聲產(chǎn)生系統(tǒng)的傳遞函數(shù)B(z)是{bi(p)}的Z變換，可以用一個階數(shù)為P的時變FIR濾波器來表示，其逆濾波器稱為預(yù)測誤差濾波器。房間聲學(xué)系統(tǒng)的傳遞函數(shù)H(z)可以用一個階數(shù)為L的時不變FIR濾波來表示。因此，觀測信號x(n)是在e(n)激勵下，經(jīng)過語聲產(chǎn)生系統(tǒng)B(z)和房間聲學(xué)系統(tǒng)H(z)共同作用的輸出結(jié)果。

盲去混響的目標(biāo)是在無任何房間先驗知識的前提下，僅通過傳聲器觀測信號x(n)去除由房間聲學(xué)系統(tǒng)H(z)所引起的混響，恢復(fù)聲源信號s(n)。因此，一個重要的問題就是在盲逆濾波過程中，如何將房間脈沖響應(yīng)的逆濾波從整個系統(tǒng)的逆濾波中分離出來，即去掉聲道濾波對房間脈沖響應(yīng)逆濾波所造成的偏差。一種常用的方法是首先對混響語聲信號直接進行線性預(yù)測預(yù)白化處理，階數(shù)一般取為10，然后在線性預(yù)測殘差域進行逆濾波。考慮線性預(yù)測系數(shù)受語聲信號中混響的影響，直接對混響信號進行線性預(yù)測求得的預(yù)測系數(shù)存在偏差，更為準(zhǔn)確的方法可以采用預(yù)測誤差濾波器與房間脈沖響應(yīng)逆濾波器聯(lián)合估計。圖1展示了聯(lián)合估計算法的實現(xiàn)框圖，考慮時域?qū)崿F(xiàn)收斂較慢，甚至可能不收斂，因此本文采用頻域方法實現(xiàn)。首先用時不變的房間脈沖響應(yīng)逆濾波器在頻域?qū)τ^測信號進行濾波后，再通過時變的預(yù)測誤差濾波器，得到線性預(yù)測殘差信號，以殘差信號的偏度最大化為目標(biāo)，計算濾波器的更新梯度，進而更新房間脈沖響應(yīng)逆濾波器，利用更新的逆濾波器對混響信號進行濾波，重構(gòu)出逆濾波后的語聲信號。算法記為基于偏度的預(yù)測誤差濾波器與房間脈沖響應(yīng)逆濾波器的聯(lián)合估計方法，即MSJE-IF-MSD(Maximum-skewness joint estimation based-inverse f i ltering for multichannel speech dereverberation)，簡化為MSJE。

gm表示通道m(xù)的L階自適應(yīng)房間脈沖響應(yīng)逆濾波器系數(shù)，gm=[gm(0),···,gm(L?1)]T；為第m通道的房間脈沖響應(yīng)逆濾波器系統(tǒng)傳遞函數(shù)。這里需要假設(shè)每個通道的房間傳遞函數(shù)G1(z),···,GM(z)之間沒有共同的零點。進而可以得到逆濾波后重構(gòu)的語聲信號：

其中，xm(n)=[xm(n),···,xm(n?L+1)]T。根據(jù)語聲信號的短時平穩(wěn)性，將逆濾波輸出y(n)分幀后通過時變的預(yù)測誤差濾波器{ai(p)}，得到第i幀線性預(yù)測殘差信號di(n)：

用向量形式表示：

其中， ai= [1,?ai(1),?ai(2),···,?ai(P)]T，yi(n)=[yi(n),yi(n?1),···,yi(n?P)]T，P 為預(yù)測誤差濾波器階數(shù)。為預(yù)測誤差濾波器系統(tǒng)傳遞函數(shù)。

理想情況下最終得到的di(n)與激勵信號ei(n)等價，只存在微小的延遲和幅度變化。因此，問題可退化為房間脈沖響應(yīng)逆濾波器g和預(yù)測誤差濾波器a的估計，g=[,···]T，a=[,···]T，S為線性預(yù)測總幀數(shù)。

圖1 MSJE算法框圖Fig.1 Schematic diagram of MSJE

1.2 目標(biāo)函數(shù)

根據(jù)上面的討論，需要建立合適的目標(biāo)函數(shù)來估計g和a。考慮逆濾波后殘差信號{d(n)}樣本間的相關(guān)性最小，采用交互信息作為目標(biāo)函數(shù)[15]：

其中，W為樣本點數(shù)，H(ξ)表示隨機變量ξ的微分熵，d′=[d(W),···,d(1)]T，υ[d(n)]表示d(n)的方差，∑(d′)=E[d′d’T]。Γ[d(n)]表示d(n)的負(fù)熵，用來衡量信號的非高斯性，可以用高階統(tǒng)計量表示，三階統(tǒng)計量——偏度用來衡量概率密度分布的偏斜程度，定義為

其中，μ3為三階中心距，σ為標(biāo)準(zhǔn)差。相對于四階統(tǒng)計量峰度，偏度的優(yōu)勢主要體現(xiàn)在衡量一些概率密度分布具有不對稱性的聲源信號非高斯性上。

本文考慮偏度作為衡量語聲信號非高斯性的準(zhǔn)則，根據(jù)公式(7)，目標(biāo)函數(shù)可進一步表示為

因此可以建模為下面的優(yōu)化問題：

約束條件∥g∥=1保證了房間脈沖響應(yīng)逆濾波器的歸一化。同時為了使系統(tǒng)穩(wěn)定，應(yīng)保證預(yù)測誤差濾波器a的最小相位特性。

1.3 預(yù)測誤差濾波器的估計

由于高階統(tǒng)計量會使預(yù)測誤差濾波器非最小相位，因此該部分的估計只考慮二階項作為目標(biāo)函數(shù)，表示為

具體實現(xiàn)：首先對逆濾波后的輸出信號y(n)進行分幀得到y(tǒng)i(n)，逐幀通過線性預(yù)測估計yi(n)的預(yù)測誤差濾波器系數(shù)ai。而線性預(yù)測可以保證估計得到的預(yù)測誤差濾波器的最小相位性。

1.4 房間脈沖響應(yīng)逆濾波器的估計

通常語聲信號的激勵信號為超高斯分布，它的二階矩相對于高階矩可以忽略。因此，該部分只考慮公式(8)中的三階項部分。目標(biāo)函數(shù)可化簡為

采用梯度下降法對每個通道的濾波器gm進行單獨更新，更新方程為

其中，Xm(n)=[(n),···,(n?P)]T。對第i幀殘差信號的梯度進一步推導(dǎo)：

為了進一步簡化，忽略式(16)的時間依賴性，令rm(n)=Xm(n)，梯度近似為

逆濾波器在頻域進行更新。將更新后的線性預(yù)測殘差信號rm(n)分成長度為L的塊，并將每一塊補0至長度為2L，對每一塊計算長度為2L的傅里葉變換(Fast Fourier transform,FFT)。將q(n)分成長度為2L的塊，重疊50%，對每一塊計算長度為2L的FFT。設(shè)分塊個數(shù)為T，得到頻域自適應(yīng)更新方程：

1.5 聯(lián)合估計策略

上述目標(biāo)函數(shù)的簡化以及迭代估計兩個逆濾波器需要基于如下假設(shè)：當(dāng)g固定時，最小化二階項的同時也會使整體目標(biāo)函數(shù)最小化；同理，當(dāng)a固定時，最大化三階項也會使整體目標(biāo)函數(shù)最小化。根據(jù)以上分析，迭代更新預(yù)測誤差濾波器和房間脈沖響應(yīng)逆濾波器。對觀測信號，首先通過房間脈沖響應(yīng)逆濾波器進行逆濾波后，再通過預(yù)測誤差濾波器，得到更新后的殘差信號；以殘差信號的偏度最大化為目標(biāo)，通過梯度下降法更新房間脈沖響應(yīng)逆濾波器，迭代更新直至濾波器收斂，重構(gòu)出逆濾波后的語聲信號。

作為聯(lián)合估計的替代，另外一種比較簡單的實現(xiàn)可以直接對觀測信號進行線性預(yù)測預(yù)白化處理，在線性預(yù)測殘差域上求解房間脈沖響應(yīng)逆濾波器。該方法可以認(rèn)為近似于MSJE預(yù)測誤差濾波器只迭代一次的情況。為了對比，將最大化線性預(yù)測殘差偏度的多通道逆濾波語聲去混響方法記為MLPRS-IF-MSD(Maximum linear prediction residual skewness-based inverse f i ltering for multichannel speech dereverberation)，簡化為MLPRS。

2 仿真和實驗研究

2.1 仿真

采用鏡像法[17]得到的4通道的RIR，聲源信號由TIMIT數(shù)據(jù)庫中選取的100段男聲和100段女聲語聲段構(gòu)成，將其與不同混響時間的RIR卷積得到混響語聲信號。在模型中，4個傳聲器分布在尺寸為5.5 m×4.5 m×3.5 m的矩形房間內(nèi)。聲源(紅色圓點)與傳聲器陣列(灰色圓點)在房間內(nèi)的分布示意圖如圖2所示，傳聲器間隔0.2 cm按線型擺放，與聲源距離d0=3.3 m。

混響時間和聲學(xué)比是影響混響聲場中的語言清晰度的兩個獨立參量，混響聲場中的清晰度與混響時間(RT60)和聲學(xué)比乘積的對數(shù)成反比變化[18]。混響時間增加和聲源距傳聲器距離增大都會獨立地增加混響強度[19]，RT60會導(dǎo)致語聲頻譜模糊，而d的增加會引起譜染色。在本實驗中，我們考慮固定聲源到傳聲器的距離d，改變RT60的大小，評價不同混響強度下的算法去混響性能。以下實驗中幀長N取512(32 ms)，步長μ設(shè)為 e?9。

圖2 傳聲器位置示意圖Fig.2 Diagram of the microphone position

2.1.1 濾波器階數(shù)選擇

濾波器的階數(shù)L理論上應(yīng)與混響時間(RIR的樣本點數(shù))對應(yīng)，即L=RT60(s)×fs(Hz)，其中采樣率fs=16000 Hz。混響時間越長，濾波器長度也相應(yīng)的增加。而且，濾波器階數(shù)增加會導(dǎo)致計算復(fù)雜度增加；濾波器階數(shù)增加，逆濾波后信號的延遲也會增加(RIR與逆濾波器的卷積會使逆濾波后的沖激響應(yīng)與原RIR之間存在近似L的延遲)。因此濾波器階數(shù)的選擇應(yīng)該在理論值的基礎(chǔ)上，結(jié)合實際效果選擇盡量小的值且能保證逆濾波的性能。本文通過實驗驗證，給出一定混響時間范圍的最小濾波器階數(shù)。文獻[14]給出了單通道線性預(yù)測殘差偏度逆濾波算法的最小濾波器階數(shù)。表1給出本文提出的MLPRS和MSJE算法的最小濾波器階數(shù)。

表1 不同混響時間下的濾波器階數(shù)選擇Table 1 Selection of f i lter order for dif f erent reverberation times

對比本文方法和已有的單通道偏度準(zhǔn)則方法，利用多通道數(shù)據(jù)可以有效減少濾波器階數(shù)，而且算法對濾波器階數(shù)的選擇不敏感；同時，采用偏度準(zhǔn)則相比于峰度準(zhǔn)則最小濾波器階數(shù)也有明顯的下降；采用聯(lián)合估計的MSJE方法可以進一步減少濾波器階數(shù)。濾波器階數(shù)越少，算法的計算復(fù)雜度也會降低。

2.1.2 混響抑制性能分析

為了評估本文算法的混響抑制性能，這里采用直達-反射路徑能量比(Direct-to-reverberation ratio,DRR)和主觀語聲質(zhì)量評估[20](Perceptual evaluation of speech quality,PESQ)作為衡量指標(biāo)，用于比較本文方法和Gillespie等[11]提出的峰度最大化多通道逆濾波語聲去混響方法(以下簡稱峰度算法)。DRR可以用公式(20)進行計算：

其中，直達信號在第nd個采樣點到達，直達路徑的能量用沖激響應(yīng)峰值周圍8 ms(即n0=128個采樣點)的信號能量計算。因此，DRR通過直達路徑能量與反射路徑的總能量的比值來計算。圖3為RT60=1 s時，測試語聲信號在0～4 kHz部分的語譜圖及逆濾波后的房間脈沖響應(yīng)。

本文研究的方法均為在房間脈沖響應(yīng)未知情況下的多通道盲逆濾波算法，這里給出房間脈沖響應(yīng)僅為了分析和比較逆濾波的結(jié)果。從圖3中的語譜圖可以看出，對于RT60=1 s混響時間比較長的情況，已有的多通道峰度準(zhǔn)則方法表現(xiàn)一般。而用本文提出的多通道偏度準(zhǔn)則方法(圖3(c)，圖3(d))語譜圖的模糊程度明顯下降，模糊的頻譜結(jié)構(gòu)變得清晰，采用聯(lián)合估計的多通道偏度算法表現(xiàn)出了更好的結(jié)果。從房間脈沖響應(yīng)的逆濾波結(jié)果來看，三種方法逆濾波后的RIR均有比較明顯的單一峰值。

圖4給出了本文提出算法在不同混響時間下的平均DRR及PESQ得分。在混響時間較短時，基于峰度的方法與本文提出的基于偏度的方法結(jié)果相近；而當(dāng)混響時間較長時，本文提出的基于偏度的方法要明顯優(yōu)于基于峰度的方法，且隨著混響時間的增加，這種優(yōu)勢會越明顯。且本文提出的MSJE在不同混響時間下的DRR整體優(yōu)于MLPRS。

比較本文提出的兩個算法與峰度算法的PESQ得分，可以看出，在不同混響時間下本文提出的基于多通道偏度的去混響算法(MSJE，MLPRS)都較已有的基于多通道峰度的去混響算法性能有很大提升。基于峰度的方法對于混響時間較長的情況效果不理想。從整體上看，對于該組仿真的混響數(shù)據(jù)，除了RT60=200 ms時MLPRS方法的PESQ得分更高一些，其他情況下MSJE較MLPRS算法的PESQ得分都略有提升。

圖3 RT60=1 s時逆濾波后的語譜圖及房間脈沖響應(yīng)Fig.3 Equalized speech spectrogram and impulse response with RT60=1 s

圖4 提出算法在不同混響時間下的DRR以及PESQ得分Fig.4 DRR and PESQ score of the proposed algorithms for dif f erent reverberation times

2.1.3 高斯噪聲環(huán)境下算法魯棒性

該實驗測試本文提出算法在加性高斯白噪聲環(huán)境下的去混響性能。用PESQ得分和語聲-混響調(diào)制能量比(Speech-to-reverberation modulation energy ratio,SRMR)[21]作為評價指標(biāo)。

圖5給出了對RT60=400 ms時的傳聲器陣列信號加入不同信噪比的高斯白噪聲，逆濾波后的信號平均PESQ得分和平均SRMR。峰度算法對信噪比低于20 dB輸入信號失效，對房間脈沖響應(yīng)的逆濾波無法得到單一峰值的結(jié)果；本文提出的MLPRS算法對低于10 dB的輸入信號失效，但去混響效果明顯優(yōu)于峰度方法；而采用聯(lián)合估計的MSJE算法對測試的所有信噪比下的數(shù)據(jù)都能達到比較好的效果。本文提出的基于偏度的多通道逆濾波方法在高斯白噪聲環(huán)境下的去混響性能比已有的基于峰度的多通道逆濾波方法有很大提升，提出方法對高斯噪聲的魯棒性更強。

圖5 提出算法在RT60=400 ms不同噪聲環(huán)境下的PESQ得分以及SRMRFig.5 PESQ score and SRMR of the proposed algorithms for dif f erent noisy conditions with RT60=400 ms

在高斯白噪聲環(huán)境下，影響本文算法去混響性能的因素有如下兩個方面：一方面，當(dāng)信號信噪比過低時，會引起線性預(yù)測模型譜密度產(chǎn)生畸變，使譜估計的質(zhì)量受到損失，LP系數(shù)的估計變得不準(zhǔn)確。另一方面，加性噪聲的存在使信號的概率密度分布更趨于高斯分布，會改變自適應(yīng)濾波過程中高階統(tǒng)計量局部極大值點的位置，相比于沒有噪聲的情況使目標(biāo)函數(shù)收斂到次極大值點，從而降低逆濾波的性能。提出的偏度方法相較于峰度方法對高斯噪聲的魯棒性更強，其原理可以通過以帶有加性噪聲的信號作為輸入，計算兩種算法的梯度來直觀解釋。峰度方法的梯度中受加性噪聲影響的項更多，不穩(wěn)定因素更多，因此峰度方法相比于偏度方法對加性噪聲更加敏感。MSJE方法采用預(yù)測誤差濾波器與房間脈沖響應(yīng)逆濾波器的聯(lián)合估計方法，使LP系數(shù)的估計更為準(zhǔn)確，減弱了上述第一個因素的影響，因此相較于MLPRS方法對噪聲的魯棒性更強一些，在信噪比較低的情況下能更準(zhǔn)確地估計逆濾波器。

2.1.4 計算復(fù)雜度

采用峰度和偏度準(zhǔn)則的計算復(fù)雜度差別主要體現(xiàn)在梯度上，基于偏度準(zhǔn)則的更新梯度表示為公式(17)，峰度準(zhǔn)則的更新梯度可以進行類似的推導(dǎo)，最終表示為

在計算梯度過程中q′(n)相比于q(n)在計算時多一次乘法，因此偏度方法相比于峰度方法計算量更低。另一方面，表1給出了兩種算法在不同混響時間情況下所需的最小濾波器階數(shù)，偏度算法所需的濾波器階數(shù)更少，也同時降低了算法的計算復(fù)雜度。

2.2 實際環(huán)境錄音仿真測試

為了更合理地評估提出算法的去混響性能，本實驗采用實際環(huán)境錄音的多通道房間脈沖響應(yīng)數(shù)據(jù)庫[22?23]與TIMIT數(shù)據(jù)庫的20 s純凈語聲信號進行卷積作為測試信號，測試算法對不同聲學(xué)比位置處(改變d)拾聲信號的去混響性能。房間大小6 m×6 m×3 m，混響時間RT60≈0.4 s，混響半徑rc為1.02 m。聲源位置與傳聲器距離d分別為1 m、2 m、4 m，對應(yīng)拾聲位置處的聲學(xué)比分別為1.06、0.26、0.07。選取角度θ= ?80?,···,80?，對間隔40?測試的RIR進行處理，所用傳聲器個數(shù)為4，傳聲器間隔8 cm擺放。為了更全面地評估，實驗對混響半徑以內(nèi)(d=1 m)的信號也進行了測試。改變聲源與傳聲器陣列的距離d，對相同的距離每隔40?測試一組數(shù)據(jù)，用PESQ得分作為去混響性能的評估指標(biāo)。表2為實驗結(jié)果。圖6為改變聲源與傳聲器陣列距離，對每組不同方向的實驗結(jié)果取平均值得到的柱狀圖。

表2 實際環(huán)境錄音測試結(jié)果Table 2 Recording test results in real rooms

圖6 聲源距傳聲器不同距離時算法平均PESQ得分Fig.6 Average PESQ score of the proposed algorithms for dif f erent distances between source and microphone array

該實驗驗證了提出算法在不同混響強度下的去混響性能均優(yōu)于峰度算法，且對于在聲學(xué)比遠(yuǎn)小于1位置拾聲的強混響信號，本文算法的優(yōu)勢更為明顯。

為了進一步驗證算法對漢語的有效性，采用20 s“GSBM 6001-89”國家標(biāo)準(zhǔn)樣件中的有代表性的兩段分別由男女聲朗誦的《美談不美》純凈語聲信號與上述RIR數(shù)據(jù)的卷積作為測試數(shù)據(jù)，隨著聲源與傳聲器距離的改變對標(biāo)準(zhǔn)樣件添加了不同強度的混響，得到的結(jié)果如圖7所示。該實驗驗證了算法對于處理漢語以及男女聲信號的有效性。

圖7 聲源距傳聲器不同距離時算法對漢語信號處理的PESQ得分Fig.7 PESQ score of the proposed algorithms for Chinese language signals at dif f erent distances between source and microphone array

3 結(jié)論

本文提出了基于偏度的多通道房間脈沖響應(yīng)逆濾波方法。該方法不需要已知房間脈沖響應(yīng)或波達方向的先驗知識，采用非高斯性極大的準(zhǔn)則實現(xiàn)盲逆濾波。實驗結(jié)果表明，相比于基于四階統(tǒng)計量峰度的方法，本文提出方法具有更好的去混響效果，尤其在混響較強的情況下優(yōu)勢更為明顯，且算法復(fù)雜度更低，對高斯噪聲的魯棒性更強。應(yīng)該指出的是，本文所提的方法主要用于抑制早期混響所引起的譜染色現(xiàn)象，而對較長混響時間所引起的拖尾現(xiàn)象抑制不明顯，結(jié)合譜減法等后處理方法可以對殘余晚期混響進行抑制，進而進一步提升可懂度。其次，在研究中發(fā)現(xiàn)，在混響較強情況下，相比于多通道方法，單通道算法表現(xiàn)出了明顯的局限性。另外，在實際應(yīng)用中，本文所提方法的實時處理問題也是值得進一步深入研究的。